s n 0.267 10
确定显著性水平：…… 统计推断：……
SPSS的实现
定义变量： 定义变量：双击“var”，或在“variable view” 的相应行 键入变量名； 输入数据： 输入数据：在“Data view”中输入数据，在相应变量名称下 依次输入， 计算操作： 计算操作：Analyze -> compare means -> One-Sample T Test -> 添加变量 -> 输入检验值 -> OK. 读取结果： 读取结果：sig代表发生概率(probability)，也就是p值，如 果 p<0.05差异显著；如果p<0.01差异极显著；如果 p>0.05差异不显著； 保存数据和结果： 保存数据和结果：定义文件名即可。
t=
( x1 − x2 ) − ( µ1 − µ2 ) (43.4 − 36.6) = = 0.084 sx1 − x2 sx1 − x2
其中：
sx1 − x2 =
se2 se2 + n1 n2
，
2 s12 (n1 − 1) + s2 (n2 − 1) s = (n1 − 1) + (n2 − 1) 2 e
2 两个样本平均数的 t 检验 ——成组数据平均数的t 检验
例：两小麦品种千粒重（g）的调查结果如下： 品种甲：50,47,42,43,39,51,43,38,44,37 品种乙：36,38,37,38,36,39,37,35,33,37 试检验两品种的千粒重有无显著差别。 假设： µ1 = µ 2 构建统计量：
8
SPSS的实现
定义变量： 定义变量：双击“var”，或在“variable view” 的第一行 键入第一组观测值名；第二行键入因素1名称；第三行键入 因素2名称； 输入数据： 输入数据：在“Data view”中输入数据，在相应变量名称下 依次输入数据和相应的水平； 计算操作： 计算操作：Analyze -> General Linear Model -> Unvariant -> 导入观测值和水平(在Independent variable中 输入观测值；在Fixed Factor中输入各水平) -> Model， Custom ， Mean effect（导入所有效应） ->OK. 读取结果： 读取结果： 1，sig代表发生概率(probability)，也就是p值，如果 p<0.05差异显著；
统计分析软件SPSS 统计分析软件 的应用
方铭
目 录
1，一个样本平均数的 t 检ห้องสมุดไป่ตู้； 2，两个样本平均数的 t 检验； a，成组数据平均数的t 检验； b，成对数据平均数的t 检验； 3，单因素方差分析； 4，两因素方差分析； 5，正交试验方差分析； 6，回归分析。
1 一个样本平均数的 t 检验
水平 试验号 1 2 3 4
5 6 7
列号
A
1
B
2
AB
3
C
4
AC
5
D
7
种子产量
1 1 1 1 2 2 2 2
1 1 2 2 1 1 2 2
1 1 2 2 2 2 1 1
1 2 1 2 1 2 1 2
1 2 1 2 2 1 2 1
1 2 2 1 2 1 1 2
350 325 425 425 200 250 275 375
浓度
时间
H1
13 12 3 10 2
H2
14 12 3 9 5
H3
14 13 3 10 4
M1 M2 M3 M4 M5
SPSS的实现
定义变量： 定义变量：双击“var”，或在“variable view” 的第一行 键入观测值名；第二行键入因素1名称；第三行键入因素2 名称； 输入数据： 输入数据：在“Data view”中输入数据，在相应变量名称下 依次输入数据和相应的水平； 计算操作： 计算操作：Analyze -> General Linear Model -> Unvariant -> 导入观测值和水平(在Independent variable中 输入观测值；在Fixed Factor中输入各水平) -> Model， Custom ， Mean effect（导入2个主效应） -> Post Hoc 选 中LSD ->OK. 读取结果： 读取结果： 1，sig代表发生概率(probability)，也就是p值，如果 p<0.05差异显著；
令 d = x1 − x2 假设：µd = 0 构建统计量： t = d − µd
sd n
=
(43.4 − 0) = 2.63 4.31 8
确定显著性水平：…… 统计推断，……
SPSS的实现
view” 的第一行 键入第一组变量名；第二行键入第二组变量名； 输入数据： 输入数据：在“Data view”中输入数据，在相应变量名称下 依次输入数据； 计算操作： 计算操作：Analyze -> compare means -> Paired-Samples T Test -> 同时导入成对变量 -> OK. 读取结果： 读取结果：sig代表发生概率(probability)，也就是p值，如 果 p<0.05差异显著；如果p<0.01差异极显著；如果 p>0.05差异不显著； 保存数据和结果： 保存数据和结果：定义文件名即可。 定义变量： 定义变量：双击“var”，或在“variable
例：某鱼塘水中的含氧量，多年平均为4.5mg/L，现在该鱼塘设10 个点采集水样，测定水中含氧量分别为：4.33，4.62，3.89，4.14， 4.78，4.64，4.52，4.55，4.48，4.26mg/L，试检验该次抽样测定 的水中含氧量与多年平均值有无显著差别。 假设： µ = µ0 = 4.5mg / L 构建统计量： t = x − µ = 4.421 − 4.5 = 0.084
p<0.05差异显著；如果p<0.01差异极显著；如果p>0.05差 异不显著； 2，结果下面是多重比较的结果，可以比较任意两个水平i和 j之间的差异显著性。
定义变量： 定义变量：双击“var”，或在“variable
保存数据和结果： 保存数据和结果：定义文件名即可。
4，两因素方差分析
例：将一种生长激素配成M1，M2 ， M3，M4， M5 ，五种浓度， 并用H1，H2 ， H3 三种时间浸渍某大豆品种的种子，出苗45 天后的各处理每一植株的平均干物重（g）。试做方差分析 并作多重比较。
SPSS的实现
view” 的 第一行键入观测值名；第二行键入因素名称； 输入数据： 输入数据：在“Data view”中输入数据，在相应变 量名称下依次输入数据和相应的水平； 计算操作： 计算操作：Analyze -> compare means -> One-Way ANOVA -> 导入观测值和水平 -> Post Hoc 选中LSD ->OK. 读取结果： 读取结果： 1，sig代表发生概率(probability)，也就是p值，如果
如果p<0.01差异极显著；如果p>0.05差异不显著； 2，结果下面是多重比较的结果，可以比较任意两个水平i和 j之间的差异 显著性。
保存数据和结果： 保存数据和结果：定义文件名即可。
5，正交试验设计
例：为了解决花菜留种问题，进一步提高花菜种子的产量 和质量，科技人员考察了浇水、施肥、病害防治和移入室 温对花菜留种的影响，进行了这4个因素各2个水平的正交 试验。试做方差分析。
如果p<0.01差异极显著；如果p>0.05差异不显著； 2，结果下面是多重比较的结果，可以比较任意两个水平i和 j之间的差异 显著性。
保存数据和结果： 保存数据和结果：定义文件名即可。
SPSS的其它功能与网络资源的应用
SPSS功能十分强大，几乎所有的统计分析都 可进行。本课只对几个经典的统计分析方法 的使用进行讲解，其它功能可在（） 上搜索, ，它可以为你解答。
3，单因素方差分析
例：测定东北、内蒙古、河北、安徽、贵州5个地区黄鼬冬 季真毛的长度，每个地区随机抽取四个样本，测定的结果 如下表，是比较各地区黄鼬真毛长度差异的显著性。
地区 1 2 3 4 东北 32.0 32.8 31.2 30.4 内蒙古 29.2 27.4 26.3 26.7 河北 25.5 26.1 25.8 26.7 安徽 23.3 25.1 25.1 25.5 贵州 22.3 22.5 22.9 26.7
2 两个样本平均数的 t 检验 ——成对数据平均数的t 检验
例：为测定A、B两种病毒对烟草的致病力，取8株烟草，每一株皆半 叶接种A病毒，另半叶接种B病毒，以叶面出现枯斑病的多少作为致病 力强弱的指标，得结果如下：
株号 病毒A 病毒 病毒B 病毒 1 9 10 2 17 11 3 31 18 4 18 14 5 7 6 6 8 7 7 20 17 8 10 5
确定显著性水平：…… 统计推断，……
SPSS的实现
定义变量： 定义变量：双击“var”，或在“variable view” 的第一行 键入变量名；第二行键入组号（1或2）； 输入数据： 输入数据：在“Data view”中输入数据，在相应变量名称下 依次输入数据和组号； 计算操作： 计算操作：Analyze -> compare means -> Independent-Samples T Test -> 导入检验变量和组变量 -> 定义组号（1和2，与前面定义一致） -> Continue ->OK. 读取结果： 读取结果：sig代表发生概率(probability)，也就是p值，如 果 p<0.05差异显著；如果p<0.01差异极显著；如果 p>0.05差异不显著； 保存数据和结果： 保存数据和结果：定义文件名即可。